论文部分内容阅读
针对传统特征点提取算法存在的对噪声敏感、人机交互效率不高等问题，提出一种基于点签名的散乱点云特征点检测方法。借助于k邻近方法，统计所有散乱点云的点签名，并给出相应的点签名直方图与色阶图。基于正态分布的规律设定曲率阈值，完成特征点云的初步筛选。在初步筛选的基础上，对候选特征点云在其主曲率方向上进行投影，完成特征点的进一步筛选。实验结果表明，该特征点检测方法适用于各种不同的点云数据，能够准确、有效地提取出特征点，且人机交互效率与抗噪性能均优于传统k邻近方法。